确定在一次Numpy操作中边界框中是否有许多点

Question

x数组表示一个边界框，由两个（x，y）坐标定界：

x = np.array([[2, 1], [5, 3]])

[p数组通过（x，y）坐标表示点的集合：

p = np.array([[3, 2], [6, 4], [3, 4], [4, 2]])

对于p中的每个点，我想确定（一次操作）它是否在边界框x中，以便获得以下结果。

result = np.array([1, 0, 0, 1])

尽管我已经了解np.where()，但不确定如何在一次操作中处理整个点集。另外，单纯的数值方法会不会更快？

编辑：

在存在多个边界框的情况下，我也很感兴趣，例如：

# [[bbox_1], [bbox_2], [bbox_2]]
# with each bbox as [x1 y1 x2 y2]
x = np.array([[2, 1, 5, 3], [2, 2, 4, 6], [0, 4, 3, 2]])

结果的形式为

# [p1_bbox_1, p2_bbox_1, p3_bbox_1, p4_bbox_1], [p1_bbox_2, p2_bbox_2 ...]]
# results not necessarily exact but shape is correct
result = np.array([[True, False, False, True], [True, False, False, False], [False, False, True, False]])

应该正好位于bbox边界上的点在内部。

Answer 1

带有切片并利用broadcasting-

In [24]: ((p>=x[0]) & (p<=x[1])).all(1)
Out[24]: array([ True, False, False,  True])

此外，将>=编辑为>，依此类推以限制边界。

扩展到多个框

对于x中的多个框，其格式为：

[[B1x1,B1y1,B1x2,B1y2],
 [B2x1,B2y1,B2x2,B2y2], ..
                      ]

因此，B1为box-1，B2为box-2，依此类推，而(x1,y1)和(x2,y2)是每个框的边界框角。解决的办法是-

((p>=x[:,None,:2]) & (p<=x[:,None,2:])).all(2)